临床DVH指标作为头颈部放疗三维剂量预测的损失函数
计算机视觉与模式识别
2026-04-01 v1
摘要
目的：基于深度学习的三维剂量预测在自动化放疗工作流中被广泛使用。然而，大多数现有模型采用体素级回归损失进行训练，这与基于剂量-体积直方图（DVH）指标的临床计划评估标准存在偏差。本研究旨在开发一种临床引导的损失函数 formulation，直接优化临床使用的DVH指标，同时保持头颈部（H&N）剂量预测的计算效率。方法：我们提出了一种临床DVH指标损失（CDM损失），它包含可微的D-metrics和代理V-metrics，并结合无损位掩码感兴趣区域（ROI）编码以提高训练效率。该方法在174例H&N患者上进行了评估，采用时间划分（137例训练，37例测试）。结果：与MAE损失和DVH曲线损失相比，CDM损失显著改善了靶区覆盖并满足了所有临床约束。使用标准3D U-Net，PTV评分从1.544（MAE）降至0.491（MAE + CDM），而危及器官（OAR）保护水平保持相当。位掩码编码将训练时间减少了83%，并降低了GPU内存使用。结论：直接优化临床使用的DVH指标能够实现与常规体素级或DVH曲线监督相比更好地对齐临床治疗计划标准的三维剂量预测。所提出的CDM损失结合高效的ROI位掩码编码，为H&N剂量预测提供了一个实用且可扩展的框架。
引用
@article{arxiv.2603.29670,
title = {Clinical DVH metrics as a loss function for 3D dose prediction in head and neck radiotherapy},
author = {Ruochen Gao and Marius Staring and Frank Dankers},
journal= {arXiv preprint arXiv:2603.29670},
year = {2026}
}
备注
19 pages